Slimme cameratechnieken, klimaat en AI in de varkensstal

Een varken heeft behoefte aan verschillende functiegebieden: om te vreten, te rusten, te spelen en te mesten. Varkens hebben net als mensen ook een dag- en nachtritme. Het varken zoekt een plek in het hok waar het zich op een bepaald moment het prettigst voelt.

Gedrag van varkens

Waarom gedragen varkens zich soms anders dan verwacht? Waarom liggen ze in het ene hok bijvoorbeeld wel op de dichte vloer en in het andere niet? Is er bij de dieren sprake van afwijkend gedrag waardoor je vroegtijdig ziet dat er iets aan de hand is? En wat zijn verklaringen voor dat afwijkende gedrag? Denk aan hiërarchie, onwenselijke luchtstromen of suboptimaal licht of temperatuur. Hoe optimaliseren we met deze wetenschap het leefgebied en de gezondheid van de varkens verder?

Met het pilotproject ‘Varken stuurt zijn leefklimaat middels eigen gedrag’ onderzoekt Vion samen met Connecting Agri & Food en varkenshouders of technologie met camera’s – en gecombineerd met klimaatsensoren voor het varken en de varkensketen – meerwaarde biedt.

24 uur per dag varkens monitoren

Varkenshouders werken de hele dag in de stal en hebben daarom een goede indruk van de gezondheid en het welzijn van de dieren. Ze kijken naar de dieren, beoordelen de technische resultaten en hebben inzicht in het voer- en waterverbruik. Maar ook een varkenshouder kan niet 24 uur per dag alle varkens monitoren.

Fysieke controle in de stal is een momentopname. Vaak op een vast moment van de dag, zoals tijdens het voeren. “Werken met camerabeelden geeft een unieke inkijk in de afdeling en het hok gedurende de gehele dag, maar ook tijdens de nacht”, vertelt Monique van der Gaag, onderzoeker bij Connecting Agri & Food en betrokken bij de pilot. Doel van de combinatie van slimme cameratechnieken met klimaatsensoren is optimalisatie van het leefklimaat en de gezondheid van het varken. Bij twee Good Farming Star-varkenshouders zijn naast klimaatsensoren – voor de registratie van luchtvochtigheid, temperatuur, CO₂– en ammoniakgehalte – ook camera’s boven het varkenshok opgehangen. Die monitoren 24 uur per dag het gedrag van de varkens.

“We maken onder meer gebruik van kunstmatige intelligentie (AI) via het softwareprogramma ‘Pig Brother van VetVise’ om de data van de beelden met de gegevens van de klimaatsensoren te combineren en automatisch te analyseren”, aldus van der Gaag. “Daarbij hebben we aanvullende algoritmes ontwikkeld die beelden in data vertalen, zodat je op basis hiervan bijzonderheden kunt detecteren”, vult haar collega – specialist veehouderij & strategie – Angela van der Sanden aan.

Leerbaarheid van AI-software

De beelden uit het slimme camerasysteem gecombineerd met de data uit de klimaatsensoren leveren op termijn praktische handvatten op. Daarvoor moeten eerst nog wel wat stappen gezet. De eerste is dat de AI-software de individuele dieren leert herkennen, de indeling van het hok en de verschillende functiegebieden in het hok. Elk bedrijf is anders ingericht, dus voor het softwareprogramma is dit een doorlopend leerproces. Elk varken moet altijd herkenbaar zijn, dag en nacht.

“Dat is soms een uitdaging voor de software, omdat varkens graag dicht bij elkaar liggen”, aldus Van der Gaag. “Uiteindelijk is het doel om een managementtool met dashboard te realiseren, waarop met kengetallen patronen en afwijkingen zijn te zien. De eerste stappen zijn vaststellen van activiteit en locatie van de varkens, zoals het percentage aanwezigheid in een bepaald functiegebied. De vertaling van deze data naar voor het management van de varkenshouder nuttige kengetallen is de volgende stap.

Vergelijken van kengetallen

Later biedt de software ondersteuning door alerts te geven voor afwijkend of ongewenst gedrag in het hok en de mogelijke oorzaken en oplossingen. Volgende stap is de relatie bepalen tussen het op beeld vastgelegde diergedrag en het stalklimaat”, aldus Van der Gaag. “Afwijkingen in het percentage varkens dat gedurende de dag of week op de dichte vloer ligt, kan dan bijvoorbeeld een attentie opleveren. Ook kunnen kengetallen worden vergeleken met voorgaande rondes of andere varkensbedrijven”.

“Door camerabeelden en klimaatgegevens te combineren, is niet alleen het klimaat in de afdeling te optimaliseren. Tijdens een eerste proef op een ander bedrijf – waarin vooral aandacht voor de leerbaarheid van de AI-software was – bleken in een afdeling met vleesvarkens de dieren in één van de hokken ’s nacht meer activiteit te vertonen dan die in de andere. De beelden werden nagekeken en een lampje op de gang – waarvan het licht in het eerste hok viel – bleek de oorzaak. Dit kon snel worden opgelost”, vertelt van der Sanden.